Rethinking respiratory disease forecasting: temporal heterogeneity between surveillance predictors and outcomes drives forecast instability
本研究表明，多样化的监测预测因子与呼吸系统疾病结果之间存在不稳定且具有季节性变化的关联，这削弱了静态预测模型和长期历史训练的有效性，因此必须采取自适应策略并进行持续评估，以提高预测准确性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
每到冬季，一种熟悉的节奏便会回归：导致感冒、流感和其他呼吸道疾病的病毒开始传播，使医院逼近极限，并迫使社区在安全与医疗护理之间做出艰难的选择。对于公共卫生官员而言，目标是在这些高峰到来之前预见到它们，从而为医院做准备、调整人员配置并向公众提供建议。为了实现这一目标，科学家们构建了类似于天气预报的疾病预测系统。这些系统追踪的不再是雨云，而是社区中的感染迹象，例如有多少人因咳嗽前往急诊室、多少病毒检测结果呈阳性，甚至城市污水系统中流经了多少病毒。长期以来的基本理念是，如果你观察足够多的历史数据，就能找到一种稳定的模式：即这些早期预警信号与最终住院人数之间的关系随时间推移保持不变。如果这是真的，那么一个基于多年历史数据训练的模型，随着学习更多数据，只会变得越来越好、越来越准确。
然而，犹他州的一项新研究挑战了这一令人宽慰的假设。那里的研究人员旨在测试这些早期预警信号与住院人数之间的关系究竟是保持不变，还是随着病毒本身的改变而发生偏移和变化。他们研究了两类主要的呼吸道威胁：引起新冠肺炎的 SARS-CoV-2 病毒和流感病毒。他们收集了广泛的信息，包括按年龄分类的每日住院人数、出现这些症状的急诊就诊人数、病毒检测阳性率以及废水中的病毒浓度测量值。通过将这些不同的数据流与多年的实际住院人数进行对比，研究团队发现，预警信号与结果之间的联系远非稳定。在某一季节或针对某一版本的病毒所成立的模式，往往在下一个阶段就会失效或崩溃。
研究人员发现，当他们同时观察多年的所有数据时，数字显示预警信号与住院人数之间存在着强有力且一致的联系。看起来，随着急诊就诊人数上升，住院人数也会可靠地随之增加。但这种观点具有误导性。当科学家们缩小范围，观察特定的时间段（例如新变异株出现期间或特定的流感季节）时，这些强有力的联系往往消失了，甚至发生了反转。例如，在疫情初期，儿童和成人的数据并不同步移动；一个群体的情况几乎无法反映另一个群体的状况。随后，随着新变异株的出现，这种关系再次发生转移。流感的情况也是如此，废水信号与住院人数之间的联系在不同季节之间不断变化。这意味着，如果一个模型的构建前提是“历史越多，预测越准”，那么它实际上是在针对那些已不存在的模式进行训练，这可能会导致其预测结果变得更不准确。
为了观察这在实践中如何运作，团队运行了数十种不同的预测模型来预测住院人数。他们测试了两种主要的模型教学方法：一种方法使用固定的近期数据窗口，而另一种方法则假设更长的历史记录会有所帮助，因此不断加入更久远的年份数据。结果令人惊讶。那些不断堆叠旧历史数据的模型，其表现普遍差于那些仅关注最近几周的模型。在许多情况下，那些基于最长历史数据训练的模型未能预测出疫情的转折点，例如病例开始激增或开始下降的时机。那些能够快速适应当前情况、忽略遥远过去的模型通常更为可靠。这表明，呼吸道病毒的世界过于多变，无法用一个单一且静态的公式来概量。病毒的行为方式、人们寻求医疗护理的方式，以及病毒在水体和诊所中的呈现方式，都处于不断的波动之中。
研究还表明，没有任何一种单一的模型类型或数据源是“万能灵药”。一种在疫情某一波浪潮中表现完美的模型，在下一波中可能会完全失效。同样，一个在某一年准确预测了流感高峰的模型，在下一个季节可能会失准。研究人员发现，最好的方法不是依赖于一个“最佳”模型，而是使用一组由多种不同模型组成的多元化组合共同协作。通过结合多种不同方法的预测，系统即使在底层疾病规则发生变化时也能保持稳健。这种方法承认了未来并非过去的简单重演。预测者不应假设过去是未来的钥匙，而是需要不断检查他们的工具是否仍然有效，并准备好在病毒进化时调整其方法。
最终，来自犹他州的研究工作表明，预测呼吸道疾病与其说是在预测天气（大气物理机制基本保持一致），不如说是在航行于一条不断改变航道的河流。水流的方向取决于季节、降雨和地形。研究人员得出结论，为了走在这些病毒的前面，公共卫生系统必须放弃寻找那个经过所有可用历史数据训练的“完美单一模型”的想法。相反，他们必须建立灵活的系统，能够实时评估自身表现，在旧假设不再适用时将其舍弃，并依靠多样化的视角来理解不断变化的景观。这需要科学家与公共卫生官员之间的持续合作，确保用于保护社区的工具能够像它们所追踪的威胁一样，具备动态响应的能力。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。